考慮電動汽車及需求側(cè)響應(yīng)的綜合能源系統(tǒng)優(yōu)化調(diào)度

吳宣儒，李萍

(寧夏大學(xué)物理與電子電氣工程學(xué)院，銀川 750021)

傳統(tǒng)的能源系統(tǒng)單獨供應(yīng)，單獨運行。使得能源的利用率低，可再生能源的消納能力不足。為了解決這些問題，需要建立多能互補、能源梯級利用的多能源系統(tǒng)[1]。

需求側(cè)響應(yīng)技術(shù)是指通過對能源價格的變化和政策鼓勵等手段來調(diào)節(jié)用戶的需求側(cè)功能，文獻[2]在綜合能源系統(tǒng)的用戶側(cè)考慮了可平移負荷、可切除負荷、可轉(zhuǎn)移負荷等激勵型需求側(cè)響應(yīng)，需求側(cè)響應(yīng)的加入減少了系統(tǒng)運行成本，文獻[3]分析了電、熱、氣3種負荷的可調(diào)度性，在綜合能源系統(tǒng)中考慮多種需求側(cè)響應(yīng)可以提高系統(tǒng)運行經(jīng)濟性。文獻[4]構(gòu)建了考慮電、熱負荷需求側(cè)響應(yīng)的綜合能源系統(tǒng)多目標優(yōu)化調(diào)度模型，通過算例仿真驗證了考慮電、熱需求側(cè)響應(yīng)可以有效提高系統(tǒng)經(jīng)濟性，提高能源利用效率。文獻[5]考慮了計及人體舒適度的熱負荷需求側(cè)響應(yīng)，與激勵型電負荷需求側(cè)響應(yīng)共同作用可以促進可再生能源的就地消納。電動汽車作為一種可以進行源荷雙向互動的柔性負荷同樣可以作為需求側(cè)響應(yīng)加入電力系統(tǒng)以及綜合能源系統(tǒng)的調(diào)度模型中。文獻[6]將電動汽車調(diào)度成本加入綜合能源系統(tǒng)調(diào)度模型中，并用改進的粒子群算法求解。但并未考慮電動汽車出行規(guī)律。文獻[7]在負荷側(cè)考慮電動汽車的調(diào)度的可行性，采用激勵型需求側(cè)響應(yīng)引導(dǎo)電動汽車在風(fēng)電高峰時充電，與熱泵協(xié)調(diào)運行促進風(fēng)電消納。但僅考慮了電動汽車的充電特性，并未考慮電動汽車的放電特性。以上文獻都未考慮電動汽車充放電模型和需求側(cè)響應(yīng)協(xié)同規(guī)劃的綜合能源系統(tǒng)優(yōu)化調(diào)度策略。

現(xiàn)基于需求側(cè)電負荷、熱負荷以及電動汽車的可調(diào)度性，考慮將價格型電負荷需求側(cè)響應(yīng)、供熱模糊性的熱負荷需求側(cè)響應(yīng)以及電動汽車充放電模型納入到綜合能源系統(tǒng)運行調(diào)度研究中。同時利用場景分析法構(gòu)建風(fēng)電和光伏發(fā)電的不確定性模型，提出一種考慮多種需求側(cè)響應(yīng)下的雙層隨機優(yōu)化調(diào)度模型：上層模型利用分時電價激勵的價格型求響應(yīng)，以凈負荷波動性最小為目標函數(shù)，得到優(yōu)化后的電負荷曲線；下層計及供熱舒適度模糊性與電動汽車作用，結(jié)合仿真算例，對比四種不同情景下的系統(tǒng)運行成本以及風(fēng)電、光伏發(fā)電的利用效率，驗證所建立模型的優(yōu)越性。

1 綜合能源系統(tǒng)結(jié)構(gòu)

構(gòu)建的綜合能源系統(tǒng)包括能源輸入端、能源轉(zhuǎn)換端以及儲能端。能源輸入端主要包括外部配電網(wǎng)、外部配氣網(wǎng)、風(fēng)電以及光伏發(fā)電；能源轉(zhuǎn)換端主要包括熱電聯(lián)產(chǎn)機組、電轉(zhuǎn)氣設(shè)備、燃氣鍋爐；儲能端主要包括儲電、儲熱、儲氣設(shè)備。各個機組根據(jù)分時能源價格、需求側(cè)響應(yīng)、可再生能源出力特性來完成各個能源的轉(zhuǎn)化以及優(yōu)化調(diào)度。綜合能源系統(tǒng)的結(jié)構(gòu)如圖1所示。

圖1 綜合能源系統(tǒng)結(jié)構(gòu)圖

1.1 綜合能源系統(tǒng)主要設(shè)備模型

1.1.1 熱電聯(lián)產(chǎn)機組

熱電聯(lián)產(chǎn)機組是綜合能源系統(tǒng)的核心設(shè)備，將供電和供熱集成一體的系統(tǒng)。熱電聯(lián)產(chǎn)機組由微型燃氣輪機、熱回收裝置、溴冷機等設(shè)備構(gòu)成[8]，數(shù)學(xué)模型為

(1)

1.1.2 儲能設(shè)備模型

儲能裝置實現(xiàn)能量在不同時間尺度的轉(zhuǎn)移，在能源過?；蛘邇r格低廉時進行能源存儲，在需求高峰時刻或價格高時進行放能[9]。

(2)

(3)

(4)

2 價格型電負荷需求側(cè)響應(yīng)模型

用戶的用電需求受價格影響，其主要思想是通過分時價格調(diào)整用戶的用電需求[10]。電力負荷需求價格彈性矩陣表達式為

(5)

式(5)中：P、ΔP分別為用電量以及用電量的相對增量；D、ΔD分別為電價以及電價的相對增量。

需求價格彈性系數(shù)又分為自彈性系數(shù)和交叉彈性系數(shù)，自彈性系數(shù)用于表征某時段價格對該時段電力需求量的影響，交叉彈性系數(shù)用于表征某時段電價變化對其他時段電力需求量的影響，其表達式為

(6)

(7)

式中：εii、εij分別為自彈性系數(shù)以及互彈性系數(shù)；i、j為不同的時段。

因此將調(diào)度時段分成n個時段，這n個時段的電力需求響應(yīng)數(shù)學(xué)模型為

(8)

因此，通過價格激勵型需求側(cè)響應(yīng)改變的電負荷為

Pde(n)=Pn+ΔPn

(9)

式(9)中：Pde(n)為實時電價型需求響應(yīng)后n時段的電負荷。

3 熱負荷需求側(cè)響應(yīng)建模

在日常生活中，溫度是衡量熱負荷大小的主要標準，用戶對于供熱的溫度的感知具有模糊性，在保證溫度在用戶舒適度范圍內(nèi)變化對用戶的影響較小，因此熱負荷可以作為一種柔性負荷參與到需求側(cè)響應(yīng)中[11]。其數(shù)學(xué)模型為

(10)

為了保證用戶供熱的舒適度，室內(nèi)溫度應(yīng)保持在一定的范圍內(nèi)，室內(nèi)溫度的約束條件為

Tin,min≤Tin≤Tin,max

(11)

式(11)中：Tin,max、Tin,min分別為保證用戶供熱舒適的室內(nèi)溫度上下限值。

4 電動汽車充放電模型

根據(jù)美國國家公路交通安全管理局的統(tǒng)計，家用電動汽車的出行終止時間應(yīng)符合分段對數(shù)的正態(tài)分布[12]，表達式為

f(x)=

(12)

電動汽車每天行駛里程應(yīng)符合分段對數(shù)的正態(tài)分布，表達式為

(13)

電動汽車既可以為電負荷，又可以作為供電源。具有了源-荷二重屬性。電動汽車的充放電模型為

(14)

假設(shè)電動汽車結(jié)束1 d的行程后就接入電網(wǎng)，則每輛電動汽車的剩余電量為

(15)

為了更好地保障車主的利益，設(shè)置放電開始的時刻為晚間電負荷高峰時期，同樣也是放電電價高峰時期，充電開始的時刻為晚間電負荷低谷時期，同樣也是充電電價低的時刻。同時，為了保證電動汽車出行前的電量充裕，將用戶出行前的電量設(shè)置為電池容量的90%。在白天8:00—18:00大量電動汽車需要出行，因此設(shè)置這一時間段內(nèi)電動汽車不參與調(diào)度。電動汽車開始的放電時間為

(16)

式(16)中：Tf,start、Tf,end分別為晚間電負荷高峰初始時刻以及結(jié)束時刻；Tev,in為電動汽車結(jié)束1 d的行程到達的時刻，服從式(13)的正態(tài)分布隨機數(shù)。電動汽車的放電時長由放電開始時間與放電功率決定，放電結(jié)束時間為晚間電負荷高峰結(jié)束時刻。

5 可再生能源出力不確定性模型

5.1 可再生能源出力預(yù)測誤差

風(fēng)力發(fā)電和光伏發(fā)電的實際出力是由預(yù)測出力和預(yù)測誤差疊加得到的，表達式為

PWT,act(t)=PWT,pre(t)+εWT

(17)

PPV,act(t)=PPV,pre(t)+εPV

(18)

式中：PWT，act(t)、PPV,act(t)分別為t時刻風(fēng)電和光伏發(fā)電的實際出力；PWT,pre(t)、PPV,pre(t)分別為風(fēng)電和光伏發(fā)電的預(yù)測值；εWT、εPV分別為風(fēng)電和光伏發(fā)電的預(yù)測誤差。

國內(nèi)外的相關(guān)研究結(jié)果指出，風(fēng)電與光伏聯(lián)合發(fā)電誤差預(yù)測值的誤差分布服從于正態(tài)分布[13-14]，采用正態(tài)分布方法來精確地描述對于風(fēng)電、光伏發(fā)電的預(yù)測誤差，即

ε～N[0,(Ppreσ)2]

(19)

式(19)中：σ為預(yù)測誤差的百分比。

5.2 拉丁超立方采樣

拉丁超立方采樣是一種基于分層采樣的模擬方法，采用拉丁超立方采樣生成風(fēng)電和光伏發(fā)電預(yù)測誤差的場景集。拉丁超立方采樣的實現(xiàn)步驟如下。

步驟1將風(fēng)電和光伏發(fā)電預(yù)測誤差的分布函數(shù)F分成n個等距離的區(qū)間間隔。

步驟2在每個子區(qū)間內(nèi)隨機選擇一個采樣點fi，表達式為

(20)

式(20)中：r為[0,1]的隨機數(shù)。

步驟3利用F-1(f)反函數(shù)，求解得到服從概率區(qū)間的風(fēng)電、光伏發(fā)電預(yù)測誤差樣本值，即

xi=F-1(fi)

(21)

5.3 場景削減

場景數(shù)量越多，模擬的精度越高。但是大量的場景也會造成場景“爆炸”的問題。不是所有場景都符合實際要求。對于一些無效場景，需要去除它們以最大化對原始場景的逼近，并用保留的場景替換拉丁超立方體采樣得到的多個場景。采用同步回帶削減法，具體步驟參考文獻[15]，通過同步回帶削減法可以得到的可再生能源出力誤差場景集，并由式(17)和式(18)得到風(fēng)電和光伏發(fā)電的實際出力。

6 IES雙層隨機優(yōu)化調(diào)度模型

6.1 上層模型

上層模型以凈負荷波動方差最小為目標，通過制定合理的分時電價，使得用戶響應(yīng)電價的改變從而改變用戶用電行為，改變整體的電負荷曲線[16]。上層模型的目標函數(shù)為

(22)

上層模型的約束條件如下。

(1)實行電價型需求側(cè)響應(yīng)后，日內(nèi)總的負荷量保持不變，即

(23)

式(23)中：Pload(t)為t時刻未實行價格型需求側(cè)響應(yīng)的電負荷。

(2)為保證用戶用電的滿意度，將用戶用電滿意度作為約束條件，即

(24)

式(24)中：Smin為用戶用電滿意度的最小值。

(3)為了防止峰谷倒置，峰谷電價比應(yīng)該在一定的范圍內(nèi)，即

(25)

式(25)中：Pf、Pg分別為峰時段的電價和谷時段的電價。

6.2 下層模型

下層模型是以綜合能源系統(tǒng)運行成本最小為目標。運行費用主要由從外部配電網(wǎng)和配氣網(wǎng)購能費用，供能設(shè)備、能源轉(zhuǎn)換設(shè)備運行維護成本構(gòu)成。將棄風(fēng)、棄光的懲罰系數(shù)引入到目標函數(shù)中，表達式為

(26)

(27)

(28)

Ppv(t)]

(29)

(30)

式中：Ms為拉丁超立方采樣以及同步回帶縮減法得到的場景個數(shù);C1為綜合能源系統(tǒng)與電網(wǎng)和氣網(wǎng)的能源交互成本；C2為綜合能源系統(tǒng)供能設(shè)備和能源轉(zhuǎn)換設(shè)備的運行維護成本；C3為棄風(fēng)、棄光懲罰費用；C4為電動汽車放電的補償成本，額外的放電會對電動汽車電池壽命造成影響，因此需對電動汽車的電池損耗予以補償；Pgrid(t)為t時刻與配電網(wǎng)之間的購、售電量；δ為購售電標志，當δ=1時為購電、δ=0時為售電；cb、cs分別為t時刻的購電和售電價格；Pgas(t)為t時刻購氣量；cg為購氣價格；cj為第j臺設(shè)備的運行維護成本；Pj(t)為第j臺設(shè)備在t時刻的出力；ω為棄風(fēng)、棄光的懲罰費用；Pwt(t)、Ppv(t)分別為風(fēng)電和光伏發(fā)電的實際上網(wǎng)功率。

下層模型約束條件如下。

(1)功率平衡約束。綜合能源功率平衡約束包括電功率平衡、熱功率平衡以及氣功率平衡約束，即

(31)

(32)

(33)

式中：Pmt為燃氣輪機發(fā)電量；Pp2g為電轉(zhuǎn)氣消耗的電能；Hmt、Hboi、Hload分別為燃氣輪機的熱出力、燃氣鍋爐的熱出力以及實行熱負荷需求側(cè)響應(yīng)后的熱負荷量；Gp2g為電轉(zhuǎn)氣設(shè)備產(chǎn)生的天然氣量；Gload、Gboi、Gmt分別為日前預(yù)測的氣負荷量、燃氣鍋爐消耗的天然氣量以及燃氣輪機消耗的天然氣量。

(2)熱負荷需求側(cè)響應(yīng)約束。保證在一個調(diào)度周期內(nèi)實行熱負荷需求側(cè)響應(yīng)后的負荷與原負荷需求量一致，即

(34)

(3)電動汽車充放電模型約束。電動汽車參與調(diào)度時的約束條件包括電動汽車的容量要保持在一定范圍內(nèi)，電動汽車的充放電功率不超過最大充放電功率，即

(35)

(36)

(37)

6.3 求解流程

為了驗證電、熱負荷需求側(cè)響應(yīng)以及電動汽車充放電模型對綜合能源系統(tǒng)運行經(jīng)濟性和可再生能源消納的影響，所構(gòu)建的綜合能源系統(tǒng)模型求解流程如圖2所示。

圖2 優(yōu)化調(diào)度求解流程

7 算例分析

7.1 算例基礎(chǔ)數(shù)據(jù)

為了驗證所建立模型的有效性，基于某社區(qū)綜合能源系統(tǒng)數(shù)據(jù)，電負荷、熱負荷、氣負荷的日前預(yù)測值如圖3所示。熱電聯(lián)產(chǎn)機組以“以熱定電”的方式運行。上層模型中自彈性系數(shù)取-0.2，互彈性系數(shù)取0.33。能源供給設(shè)備和能源轉(zhuǎn)換設(shè)備的運行參數(shù)參考文獻[8]，如表1所示。儲能設(shè)備運行參數(shù)參考文獻[9]，如表2所示。電動汽車的運行參數(shù)參考文獻[7]，如表3所示。社區(qū)內(nèi)可參與調(diào)度的電動汽車數(shù)量為20輛。初始電價為0.6 元/kW，設(shè)定平時段電價與初始電價相同。設(shè)定未實行熱負荷需求側(cè)響應(yīng)時的室內(nèi)溫度保持在24 ℃。典型室外溫度曲線參考文獻[17]。風(fēng)電、光伏發(fā)電的預(yù)測誤差服從以預(yù)測值為均值，10%的預(yù)測值為標準差的正態(tài)分布，仿真利用拉丁立方采樣取得100個風(fēng)電以及光伏發(fā)電場景，通過同步回帶削減法將場景削減為4個，削減后的4個場景概率如表4所示。

圖3 電、熱、氣負荷預(yù)測值

表1 機組運行參數(shù)

表2 儲能設(shè)備參數(shù)

表3 電動汽車運行參數(shù)

表4 場景削減后各個場景概率

為了驗證電、熱需求側(cè)響應(yīng)以及電動汽車充放電模型對綜合能源系統(tǒng)運行經(jīng)濟性和可再生能源消納能力的影響，分析了以下4種不同情景：①情景1。不考慮電、熱需求側(cè)響應(yīng)和電動汽車充放電模型；②情景2。只考慮電負荷需求側(cè)響應(yīng)；③情景3?？紤]電負荷、熱負荷需求側(cè)響應(yīng)；④情景4?？紤]電、熱需求側(cè)響應(yīng)和電動汽車充放電模型。

7.2 算例結(jié)果分析

情景1的電負荷仿真算例結(jié)果如圖4所示，熱負荷調(diào)度結(jié)果如圖5所示。場景1中，電負荷由風(fēng)電、光伏發(fā)電、熱電聯(lián)產(chǎn)機組、電網(wǎng)交互功率以及蓄電池共同滿足。在夜間，風(fēng)電出力較高，通過電轉(zhuǎn)氣、蓄電池儲電以及向外部配電網(wǎng)售電從而消納多余的風(fēng)電。蓄電池在電負荷高峰時期放電，在低谷時期儲電。但受到容量的限制，依舊有大量的風(fēng)電被迫棄用。在電負荷高峰期間電負荷供應(yīng)不足需要從外部配電網(wǎng)購買一定的電能。熱負荷由熱電聯(lián)產(chǎn)機組產(chǎn)熱、燃氣鍋爐、儲熱設(shè)備共同滿足，在熱負荷低谷期間，儲熱設(shè)備進行儲熱，在熱負荷高峰期間進行放熱。

圖4 情景1電負荷調(diào)度結(jié)果

圖5 情景1熱負荷調(diào)度結(jié)果

情景2的電負荷仿真結(jié)果圖如圖6所示。通過上層模型的求解，得到的分時電價為高峰時段0.87元/kW，低谷時段0.388元/kW。用電實行電價型需求側(cè)響應(yīng)后，電負荷的削峰填谷能力進一步提升，電負荷在分時電價引導(dǎo)下進行轉(zhuǎn)移，使23:00—6:00電價低谷時段以及平電價時段的電負荷量提升。提高了風(fēng)電和光伏發(fā)電的上網(wǎng)空間，風(fēng)電和光伏發(fā)電出力相比于情景1明顯增加。在18:00—21:00降低了高峰時段的用電量，從而降低了從外部配電網(wǎng)購買的電能，提高了系統(tǒng)運行經(jīng)濟性。同時蓄電池在電負荷高峰時段放電、在電負荷低谷時段進行儲電，通過對電能的時移提升的系統(tǒng)運行經(jīng)濟性減少了棄風(fēng)棄光量。

圖6 情景2電負荷調(diào)度結(jié)果

情景3的熱負荷調(diào)度結(jié)果如圖7所示，實行熱負荷需求側(cè)響應(yīng)前后室內(nèi)溫度的變化曲線如圖8所示。情景3的電負荷調(diào)度結(jié)果如圖9所示。實行熱負荷需求側(cè)響應(yīng)前的室內(nèi)溫度保持在24 ℃，實行熱負荷需求側(cè)響應(yīng)后的室內(nèi)溫度在22～26 ℃變化。在不降低用戶舒適度的前提下，使得23:00—24:00以及1:00—9:00的熱負荷量減少，因此使得熱電聯(lián)產(chǎn)機組“以熱定電”發(fā)電功率減少，從而提高了風(fēng)電和光伏發(fā)電的上網(wǎng)空間，減少了棄風(fēng)、棄光量。在16:00—21:00時段提升了熱負荷量，提升了熱電聯(lián)產(chǎn)機組“以熱定電”發(fā)電功率，從而降低了電負荷從外部配電網(wǎng)購買的電能，減少了購電成本。

圖7 情景3熱負荷調(diào)度結(jié)果

圖8 情景3室內(nèi)溫度的變化

圖9 情景3電負荷調(diào)度結(jié)果

情景4的電負荷調(diào)度結(jié)果如圖10所示。場景4在場景2、場景3的基礎(chǔ)上引入了電動汽車充放電模型。在電負荷高峰18:00—21:00時段，電動汽車參與調(diào)度，將日出行剩余的電量放出，減少了電負荷高峰時期的壓力，同時減少了此時段從配電網(wǎng)購買的電量，進一步減少了系統(tǒng)的運行的運行成本，同時參與調(diào)度的電動汽車用戶可以得到高電價時段的充電補償。在電負荷低谷時段24:00—7:00，電動汽車參與調(diào)度，進行充電計劃，直到達到充電出行計劃為止。在這個時段，有部分風(fēng)電和光伏發(fā)電沒有被消納，通過電動汽車充電，消耗未消納的風(fēng)電和光伏發(fā)電，從而進一步減少了棄風(fēng)棄光量。同時這一時段為電價低谷時段，因此參與調(diào)度的電動汽車用戶所需的充電費用較少。參與電動汽車充放電的用戶不僅可以獲得一定的放電收益，而且可以減少充電費用。電動汽車充放電模型可以促進可再生能源的消納，也可以減少系統(tǒng)運行成本。

圖10 情景4電負荷調(diào)度結(jié)果

構(gòu)建的綜合能源系統(tǒng)不同情景下的運行成本如表5所示。對表5進行分析可以得出，情景1考慮了多種能源的互補以及儲能設(shè)備的運行。情景2相比與情景1考慮了分時電價作用的價格型電負荷需求側(cè)響應(yīng)，實現(xiàn)了電負荷的削峰填谷，減少了燃料成本，提升了售電收益，減少了棄風(fēng)棄光量?？傔\行成本明顯降低。情景3在情景2的基礎(chǔ)上考慮了計及用戶供熱模糊性的熱負荷需求側(cè)響應(yīng)，通過調(diào)整室內(nèi)溫度在人體舒適度的范圍內(nèi)變化，改變了整體的熱負荷曲線，進一步提升了系統(tǒng)運行經(jīng)濟性，降低了棄風(fēng)、棄光量。情景4在情景3的基礎(chǔ)上考慮了計及電動汽車出行規(guī)律、日行駛距離和剩余電量的電動汽車充放電模型，通過電動汽車充放電模型，進一步降低了系統(tǒng)運行成本，提升了系統(tǒng)消納風(fēng)電和光伏發(fā)電的能力。

表5 不同情景的運行成本

8 結(jié)論

對電價型電負荷需求側(cè)響應(yīng)進行了詳細的建模。根據(jù)供暖熱負荷具有供熱傳輸延遲以及人體對于供熱溫度具有模糊性特點，建立了熱負荷需求側(cè)響應(yīng)模型。根據(jù)電動汽車日出行到達時刻以及日行駛里程，建立了電動汽車充放電模型。利用拉丁超立方采樣法構(gòu)建了風(fēng)電和光伏發(fā)電的預(yù)測誤差的場景集。最終建立了考慮電動汽車以及電、熱負荷需求側(cè)響應(yīng)的綜合能源系統(tǒng)雙層隨機優(yōu)化調(diào)度模型。通過算例仿真，在4種不同的情景下，構(gòu)建的綜合能源系統(tǒng)優(yōu)化調(diào)度策略能進一步降低系統(tǒng)運行成本，提升系統(tǒng)消納風(fēng)電和光伏的能力。